Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing
Este estudio fenomenológico investiga las percepciones de los estudiantes sobre el uso de la IA generativa para el planteamiento de problemas de física, encontrando que el entrenamiento en ingeniería de prompts moldeó positivamente sus interacciones y actitudes, apoyando así la integración más amplia de la IA en las prácticas de aprendizaje estructuradas a pesar de algunas dudas persistentes.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que estás intentando aprender a montar en bicicleta. Podrías simplemente sentarte a ver a alguien más montar, o podrías intentar memorizar la trayectoria exacta que siguieron. Pero la verdadera magia ocurre cuando empiezas a construir tus propias rampas pequeñas, diseñando tus propios obstáculos y descubriendo cómo mantener el equilibrio sobre una superficie tambaleante que tú mismo inventaste. En el mundo de la educación de la física, este acto de inventar tus propios desafíos se llama "planteamiento de problemas" (problem posing). Es una forma elegante de decir: en lugar de solo resolver un acertijo matemático que alguien más te dio, retuerces las reglas, cambias los números o imaginas un nuevo escenario para ver si realmente entiendes cómo funciona el universo.
Ahora, imagina que tienes un amigo robot súper inteligente y omnisciente (IA Generativa) que puede ayudarte a construir estas rampas. Pero aquí está el truco: si solo le pides al robot, "Hazme una rampa de bicicleta difícil", podría darte algo extraño o inútil. Sin embargo, si aprendes a hablar con el robot usando un "lenguaje secreto" especial llamado ingeniería de prompts (prompt engineering) —donde le das instrucciones, roles y pasos muy específicos—, se convierte en un compañero increíble. Este artículo explora qué sucede cuando los estudiantes aprenden este lenguaje secreto. Los investigadores querían saber: ¿El hecho de enseñar a los estudiantes a hablarle a la IA de la manera adecuada cambia la forma en que la usan para inventar sus propios problemas de física? Y, ¿realmente les gusta a los estudiantes usar a este amigo robot para estudiar, o piensan que es un método que debilita el proceso de aprendizaje?
El Experimento: Enseñando a los Estudiantes a Hablar con el Robot
En este estudio, investigadores de la Universidad de Purdue invitaron a un grupo de estudiantes universitarios que cursaban una clase de física a jugar un juego con IA Generativa. El objetivo era ver si un poco de entrenamiento podía convertir una interacción torpe con la IA en una poderosa herramienta de estudio. Los estudiantes pasaron por tres etapas a lo largo de una semana.
Primero, en la fase de "Antes del Entrenamiento", se les dijo a los estudiantes que usaran una herramienta de IA de su elección para crear una nueva versión de un problema de física que ya habían resuelto. Tenían que charlar con la IA, crear un nuevo problema y luego escribir lo que pensaban sobre la conversación. En este punto, la mayoría de los estudiantes solo hacían preguntas básicas, como "Dame una versión más difícil de esto".
Después vino la fase de "Entrenamiento". Los estudiantes vieron un video de 15 minutos. Esto no fue una conferencia aburrida; les enseñó cómo usar la "ingeniería de prompts". Piensa en esto como aprender a darle direcciones muy específicas a un GPS. En lugar de solo decir "Conduce hacia la playa", aprendes a decir "Conduce hacia la playa, pero toma la ruta escénica, evita la autopista y detente por un helado". El video también les enseñó una forma especial de pensar los problemas de física, ayudándoles a entender cómo cambiar el contexto o la dificultad de un problema de una manera significativa.
Finalmente, en la fase de "Después del Entrenamiento", los estudiantes volvieron a la IA. Se les pidió que hicieran exactamente lo mismo: crear un nuevo problema de física. Pero esta vez, tenían que usar el nuevo "lenguaje secreto" y las habilidades de pensamiento que acababan de aprender. Después, reflexionaron sobre cuánto diferenció la experiencia en comparación con la primera vez.
Lo que los Estudiantes Descubrieron
Los resultados fueron como observar a un grupo de personas pasar de juguetear torpemente con un control de videojuegos nuevo a convertirse en jugadores profesionales. Cuando los investigadores analizaron las reflexiones de los estudiantes, encontraron que el 76% de los estudiantes sintió un cambio positivo en cómo interactuaban con la IA después del entrenamiento.
Antes del entrenamiento, muchos estudiantes describieron sus conversaciones con la IA como "básicas", "poco enfocadas" o como si estuvieran recibiendo respuestas que no encajaban del todo con lo que necesitaban. Era como intentar pedir una pizza personalizada simplemente gritando "¡Quiero pizza!" y esperar lo mejor. Después del entrenamiento, los estudiantes sintieron que sus conversaciones se volvieron más parecidas a un diálogo real. Utilizaron técnicas como el "juego de roles" (decirle a la IA que actúe como un personaje específico) y la "cadena de pensamiento" (pedirle a la IA que muestre su trabajo paso a paso). Un estudiante señaló que, antes, las respuestas se sentían menos detalladas, pero después de aprender las nuevas técnicas, las respuestas de la IA se volvieron "más claras, más completas y explicaban mejor los pasos involucrados".
Curiosamente, los pocos estudiantes que no sintieron un gran cambio eran usualmente aquellos que ya sabían cómo hablar con la IA o que ya estaban usando trucos simples por su cuenta. Para ellos, el entrenamiento solo dio nombres a cosas que ya estaban haciendo.
¿Les gusta a los Estudiantes usar la IA para estudiar?
La segunda gran pregunta era: ¿Realmente quieren los estudiantes usar este método para estudiar por su cuenta? La respuesta fue mayoritariamente un alegre "Sí", pero con algunos "No" gruñones y algunos "Tal vez".
Alrededor del 68% de los estudiantes tuvieron actitudes positivas hacia el uso de la IA para el planteamiento de problemas. Lo vieron como una forma de obtener problemas de práctica personalizados, recibir retroalimentación tipo tutoría y enfocarse en las áreas específicas donde eran débiles. Imaginaron usarlo para prepararse para los exámenes o profundizar su comprensión de conceptos complicados. Era como tener un entrenador personal que podía inventar un millón de ejercicios diferentes solo para ti.
Otro 17% de los estudiantes tuvo sentimientos mixtos. Pensaban que la idea era genial y podría ser útil, pero tenían dudas. Algunos temían que la IA pudiera cometer errores o darles problemas falsos, por lo que tendrían que verificar todo. Otros sintieron que, aunque era útil, preferían apegarse a la tarea oficial y a los exámenes de práctica dados por sus profesores. Eran como niños a los que les gusta la idea de construir su propio castillo de LEGO pero aún quieren asegurarse de que las instrucciones sean perfectas antes de empezar.
Finalmente, cerca del 9% de los estudiantes mantuvieron vistas negativas. Estos estudiantes estaban firmemente en contra de usar la IA para sus estudios. Sus razones no eran sobre la calidad de los problemas; eran sobre la ética. Algunos sentían que era moralmente incorrecto usar la IA para el trabajo escolar, mientras que otros estaban preocupados por el impacto ambiental de ejecutar estas potentes computadoras. Creían que los estudiantes habían logrado aprender física durante años sin la IA, usando libros de texto y profesores humanos, y que no se debería fomentar el uso de la IA.
El Panorama General
Cuando unes todas las piezas, el estudio sugiere una tendencia clara: El entrenamiento importa. La gran mayoría de los estudiantes que sintieron que su interacción con la IA mejoró después del entrenamiento también terminaron teniendo una visión positiva del uso de la IA para el planteamiento de problemas. Incluso entre los estudiantes que eran escépticos sobre la IA en general, aquellos que vieron mejorar sus interacciones reconocieron que aprender cómo dar instrucciones a la IA era crucial.
Los investigadores descubrieron que, si bien la mayoría de los estudiantes están abiertos a usar la IA como un compañero de estudio, hay un pequeño grupo que nunca la usará debido a objeciones morales. Sin embargo, para el resto, enseñar a los estudiantes cómo hablar con la IA adecuadamente parece ser la clave para desbloquear su potencial. Esto convierte una herramienta que podría limitarse a dar respuestas en un socio que les ayuda a construir su propio entendimiento. El estudio concluye que las escuelas deberían considerar la enseñanza de estas habilidades de "ingeniería de prompts" para ayudar a los estudiantes a sacar el máximo provecho de la IA sin perder su propia capacidad de pensar críticamente. No se trata de reemplazar al estudiante con el robot; se trata de enseñar al estudiante cómo conducir al robot.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.